【摘 要】
：
大数据时代下数据结构的多样性严重影响人们对数据分类的判断。有效解决数据分类问题并提高分类准确率是大数据时代背景下亟待解决的难题。分类问题是将数据按照某种特征进行
【机 构】
：
南京邮电大学理学院,上海师范大学数理学院
【基金项目】
：
国家自然科学青年基金项目（61304169）
论文部分内容阅读
大数据时代下数据结构的多样性严重影响人们对数据分类的判断。有效解决数据分类问题并提高分类准确率是大数据时代背景下亟待解决的难题。分类问题是将数据按照某种特征进行划分，并根据分类结果的准确性来判断分类特征的优劣。现有的模式识别中处理无监督分类问题的方法都有着自身固有缺陷。人为主观选择分类特征会降低模型的拟合效果。为此，提出一种将标准误差作为分类特征的线性分类器。该分类器在对样本进行分类的过程中，可保证分类的标准误差最小，从而保证了模型最终分类结果的准确性最高。基于该分类器进行了建模仿真验证。仿真实验结果表明
其他文献
构建系统描述模型是设计可重构计算系统的重要环节.现有的系统建模方法主要分为形式化方法和非形式化方法两种,其中,非形式化模型缺乏严格的数学定义,给模型的分析和验证带来
构件交互自动机（Component-Interaction Automata，Co-IA）是扩展了构件之间交互描述的自动机。体系结构分析设计语言（Architecture Analysis and Design Language，AADL）是一种基于构
采用一致性哈希进行数据分区和负载均衡的分布式键值存储系统具有高可扩展性的特点，但一致性哈希中哈希函数静态负载均衡的特性不能满足日益多样化的应用场景需求。为了适应以
图像分割是图像处理中最关键的步骤,基于图割的图像分割方法近年来备受关注。针对传统图割图像分割方法没有充分考虑相邻相近像素点可能属于不同类的情况,提出了一种结合最小生成树的图割方法。该方法重新构造了能量函数,在能量函数的构造中考虑了原本两个相邻的节点在最小生成树中可能不相邻的情况,对于这种不相邻的情况,重新确定了图中边的权值计算方法,使图的构造更加准确,从而提高了算法的分割精度。但提高算法精度的同时
行人识别是人工智能与模式识别领域内一个新兴的研究方向,具有极其广泛的应用前景。但是由于人体是一个非刚性的运动体,相对普通物体的检测增加了不少难度。可变形部件模型算法对行人检测有着不错的效果,在此基础上提出了一种对传统的部件模型的改进方法,弥补了颜色特征在行人检测时的丢失。其基本思想是:使用传统的DPM方法对待检测窗口进行检测,然后判断检测的得分是否属于可疑区间,如果属于则进一步使用基于颜色特征的分
目前通行的社区划分方法大多基于结构，但单纯基于结构的划分不能挖掘出社区对象的潜在关系，因而不能发现社区的变化趋势。为此，提出了基于结构的社区划分算法（Community Division
实时计算系统Storm是当前十分流行的开源流式系统，在处理流式数据时具有明显的优势，但也存在默认调度器在任务调度时难以将节点资源与任务需求相结合、节点资源利用率不高、节
对于存放于数据服务器中共享的数据文件信息,随着数据量的增加将逐渐难以共享、查阅和使用。为了便于共享这些数据资料,文中提出一种基于Web的文件系统信息展示方法,实现在We
由于设备采集树状物体数据精度差,导致树状物体枝干连接部位数据丢失,重建出来的树状物体枝干不连续。树状结构物体颜色单调统一,各枝叶形状相似,导致特征点提取困难,配准精度低。通过对深度数据的分析,彩色图像与深度数据相比拥有更完整的信息,使用深度数据与彩色数据相结合的方法,根据彩色图像与深度数据的坐标映射关系,使用彩色图像修复缺失的深度数据。边界轮廓同样能够体现物体的形状特征,使用目标边界点作为特征点,
针对尺度不变特征变换（SIFT）算法在立体匹配应用中实时性差、误匹配、特征点无鲜明几何意义等问题,提出了一种新的基于亚像素角点的SIFT立体匹配算法。该算法首先提取图像角点